典型文献
基于GRU-LightGBM的风电机组发电机前轴承状态监测
文献摘要：
针对风电机组发电机前轴承运行过程中早期异常状态识别的问题,提出一种基于GRU-LightGBM的风电机组发电机前轴承状态监测方法.首先,通过梯度提升迭代决策树(gradient?boosting?decision?tree,?GBDT)算法分析SCADA历史数据,提取与风电机组发电机前轴承温度特征相关性强的特征变量.然后,采用门控递归单元(gated recurrent?unit,?GRU)神经网络建立风电机组发电机前轴承温度预测模型并计算残差特征.最后,采用LightGBM算法建立故障决策模型进行状态监测.实验研究表明:该方法能有效识别发电机前轴承运行状态,能够在故障发生前一个月识别风电机组发电机前轴承的异常运行,对风电机组设备运行维修和早期故障预警具有借鉴意义.
文献关键词：
门控循环单元神经网络;梯度提升迭代决策树;状态监测;LightGBM;风电机组
中图分类号：
作者姓名：
于航;尹诗
作者机构：
中能电力科技开发有限公司,北京 100034
文献出处：
引用格式：
[1]于航;尹诗-.基于GRU-LightGBM的风电机组发电机前轴承状态监测)[J].中国测试,2022(09):105-111
A类：
B类：
GRU,LightGBM,风电机组,发电机,前轴,状态监测,承运,异常状态,状态识别,监测方法,梯度提升迭代决策树,gradient,boosting,decision,tree,GBDT,算法分析,SCADA,历史数据,轴承温度,温度特征,特征变量,门控递归单元,gated,recurrent,unit,温度预测模型,决策模型,生前,一个月,异常运行,机组设备,设备运行,早期故障,故障预警,警具,门控循环单元神经网络
AB值：
0.326423
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
